基于滤波事件数据的原始制造任务分类
计算机视觉与模式识别
2023-03-20 v1 机器人学
摘要
协作机器人正日益广泛地应用于工业领域以辅助人类活动。然而，为使人机协作过程更加高效，仍有若干挑战亟待解决。协作机器人系统需感知人类活动，以(1)预判协作/辅助动作，(2)通过示范进行学习，以及(3)在共享工作空间中激活安全程序。本研究提出一种动作分类系统，用于从动态有源像素视觉传感器(DAVIS)捕获的人体运动事件数据中识别原始装配任务。我们比较并组合了多种滤波器以去除事件数据噪声。利用先进的深度学习和循环网络对连续事件数据流中的空间与时序特征进行分类，从而实现任务模式分类。实验在一个新颖的数据集——制造任务数据集(DMT22)上展开，该数据集包含来自5名参与者的5类代表性制造原语(PickUp、Place、Screw、Hold、Idle)。结果表明，所提滤波器在每次记录中去除约65%的事件(噪声)，使已训练系统的受试者分类准确率达99.37%，新受试者达97.08%。仅使用右手训练数据即可成功分类左利手受试者的数据。这些结果独立于物体。
引用
@article{arxiv.2303.09558,
title = {Classification of Primitive Manufacturing Tasks from Filtered Event Data},
author = {Laura Duarte and Pedro Neto},
journal= {arXiv preprint arXiv:2303.09558},
year = {2023}
}